Formularz został pomyślnie przesłany.
Więcej informacji można znaleźć w skrzynce pocztowej.
Firma Innowise opracowała scentralizowane repozytorium do przechowywania, przetwarzania i zabezpieczania dużych ilości danych związanych z klientami korporacyjnymi, kontami bankowymi i transakcjami płatniczymi.
Naszym klientem jest znana instytucja finansowa, która oferuje bankowość detaliczną, bankowość korporacyjną, zarządzanie majątkiem, ubezpieczenia, usługi maklerskie i wiele innych. Założona na początku XX wieku, przez dziesięciolecia znacznie ewoluowała, wdrażając nowe technologie i praktyki w celu poprawy obsługi klienta i wydajności operacyjnej.
Szczegółowe informacje o kliencie nie mogą być ujawnione zgodnie z postanowieniami NDA.
Nasz klient stanął w obliczu wyzwań związanych z zarządzaniem i wydobywaniem wartości z ogromnych i rosnących ilości danych dotyczących klientów korporacyjnych, rachunków bankowych i transakcji płatniczych. Ponieważ dane były rozproszone w wielu starszych systemach, bank doświadczył poważnych wyzwań związanych z przetwarzaniem i analizą danych, walcząc o uzyskanie na czas wglądu w proces podejmowania decyzji. Ponadto istniejąca infrastruktura nie była skalowalna, a utrzymywanie różnych przestarzałych systemów stało się nie do utrzymania.
Innym problemem wynikającym z tego głównego wyzwania była trudność w spełnianiu rygorystycznych wymogów regulacyjnych dotyczących bankowości. Systemy do przechowywania i zarządzania danymi były rozproszone, co utrudniało śledzenie, raportowanie i audytowanie danych. Zwiększało to ryzyko nieumyślnych naruszeń, ponieważ przedstawiciele banku musieli poświęcać dużo czasu na zbieranie i weryfikowanie danych.
W rezultacie klient zlecił Innowise stworzenie solidnej architektury jeziora danych, która mogłaby skonsolidować różnorodne zestawy danych w jedno, skalowalne i bezpieczne środowisko do zarządzania danymi w bankowości. Poszukiwali wygodnego rozwiązania do śledzenia informacji o klientach, rachunkach i transakcjach oraz zgodności z normami regulacyjnymi, przyspieszając cykl od surowych danych wejściowych do praktycznych spostrzeżeń biznesowych.
Opracowaliśmy scentralizowaną bazę danych do przechowywania i integracji strumieni danych zebranych z różnych źródeł, w tym bankowości elektronicznej, aplikacji mobilnych i mediów społecznościowych. Nasi doświadczeni specjaliści wdrożyli architekturę medallion lakehouse, koncentrując się na wielowarstwowym podejściu opartym na ACID w celu zbudowania pojedynczego źródła prawdy do przechowywania danych bankowych.
Podstawa jeziora danych, warstwa brązowa, zawiera nieprzetworzone dane pozyskane z różnych źródeł, takich jak pliki JSON, RDBMS i inne, bezpiecznie przechowywane w oryginalnej formie. W oparciu o warstwę brązową, warstwa srebrna udoskonala te dane, oczyszczając je i normalizując pod kątem zaawansowanej analityki. Ostatecznie, szczyt struktury danych, złota warstwa, zawiera agregaty na poziomie biznesowym do raportowania na wysokim poziomie i tworzenia pulpitów nawigacyjnych, umożliwiając bankowi generowanie praktycznych spostrzeżeń.
Nasz zespół projektowy zidentyfikował wszystkie potencjalne źródła danych, w tym systemy transakcyjne, bazy danych klientów, portale internetowe i inne. Nasi specjaliści zmapowali każde źródło danych, rozumiejąc jego format, częstotliwość aktualizacji i istotność. Jako główny krok, opracowaliśmy zautomatyzowane potoki pozyskiwania danych przy użyciu narzędzi ETL (extract, transform, load) do obsługi różnych formatów danych, takich jak CSV, JSON, XML i RDBMS. W zależności od charakteru źródła danych, stworzyliśmy potoki przetwarzania w czasie rzeczywistym lub potoki przetwarzania wsadowego.
Potoki czasu rzeczywistego były używane do strumieni danych, które wymagały natychmiastowego przetwarzania (takich jak dane transakcyjne), podczas gdy przetwarzanie wsadowe było zarezerwowane dla danych mniej wrażliwych na czas. Gdy dane trafiały do warstwy bronze, przechodziły wstępny proces walidacji, sprawdzając integralność, spójność formatu oraz wszelkie uszkodzone lub niekompletne rekordy.
Na tym etapie nasz zespół projektowy skupił się na wzbogaceniu surowych danych z warstwy brązowej i przekształceniu ich w bardziej ustrukturyzowany i użyteczny format. Nasi sprawdzeni programiści zidentyfikowali i poprawili błędy typograficzne, niespójności formatu danych i rozbieżności, a także usunęli zduplikowane rekordy, aby uniknąć mylących spostrzeżeń. Wdrożyliśmy imputację danych i strategie flagowania dla zestawów danych z brakującymi wartościami, wysyłając te rekordy do dalszego przeglądu w zależności od charakteru i znaczenia utraconych danych.
Następnie nasz zespół projektowy ulepszył dane, dodając odpowiedni kontekst lub dodatkowe informacje. Na przykład, uzupełniliśmy dane transakcyjne o informacje demograficzne klientów, umożliwiając bardziej kompleksową analizę. Po dopracowaniu i zagregowaniu danych, zastosowaliśmy techniki indeksowania w celu szybszego wyszukiwania i wyszukiwania. Wreszcie, dane z różnych źródeł są porównywane i łączone, podczas gdy podobne informacje z różnych źródeł są konsolidowane w ujednolicone zestawy danych, co ułatwia przeprowadzanie holistycznej analizy. Zapewniając, że dane są czyste, spójne i dobrze ustrukturyzowane, utorowaliśmy drogę dla zaawansowanej analityki i inteligencji biznesowej w złotej warstwie.
Warstwa złota to szczyt naszej architektury jeziora danych, w której dane są przekształcane w informacje gotowe do analizy, specyficznie dostosowane do wysokopoziomowej analizy, raportowania i podejmowania decyzji. Dane z warstwy srebrnej są dalej agregowane w celu stworzenia kompleksowych, wysokopoziomowych podsumowań. Skupiliśmy się na podsumowywaniu danych w sposób zgodny z kluczowymi wskaźnikami i celami biznesowymi, takimi jak ocena ryzyka kredytowego, trendy rynkowe czy segmentacja klientów.
Nasi programiści zaprojektowali i wdrożyli interaktywne pulpity nawigacyjne i raporty, zapewniając decydentom banku wgląd i wizualizacje w czasie rzeczywistym. Koncentrując się na bezpieczeństwie, stworzyliśmy solidne ramy zarządzania danymi w celu zarządzania ich jakością, użytecznością i bezpieczeństwem. Nasi inżynierowie zapewnili skalowalną architekturę, dostosowując się do rosnącej ilości i złożoności danych bez pogorszenia wydajności oraz utrzymując integralność i niezawodność wyników analitycznych.
W warstwie złotej przekształciliśmy dane w strategiczny zasób, umożliwiając bankowi podejmowanie świadomych decyzji, lepsze zrozumienie potrzeb klientów i utrzymanie przewagi w konkurencyjnej branży bankowej.
W ten sposób, w oparciu o dopracowane dane związane z bankowością, Innowise umożliwiła klientowi wdrożenie metodologii Next Best Action (NBA) i Next Best Offer (NBO). NBA nadaje priorytet podejściu skoncentrowanemu na kliencie, analizując ostatnie interakcje w celu zasugerowania najbardziej odpowiednich działań, w tym wysyłania wiadomości urodzinowych, poprawy jakości usług, zbierania opinii, dostarczania instrukcji dotyczących wdrażania i innych. Wykorzystując analitykę predykcyjną, NBO wybiera działania dostosowane do bieżącej sytuacji klienta, dążąc do uzyskania pozytywnych wyników. Z kolei NBO optymalizuje wybór spersonalizowanych ofert z szerokiej gamy produktów klienta. NBO automatycznie ocenia i sugeruje produkty, które mogą rezonować z klientami, dostarczając oferty we właściwym czasie, cenie i za pośrednictwem najbardziej efektywnych kanałów.
Ponadto nasi programiści skonsolidowali dane z różnych tabel i modeli przechowywanych w hurtowni danych, aby stworzyć kompleksowe, spójne i praktyczne profile dla każdego klienta, umożliwiając podejmowanie bardziej świadomych decyzji i działań. Kompleksowe i przemyślane podejście do zarządzania danymi gotowymi do analizy zapewnia, że bank może w pełni wykorzystać swoje dane, zwiększając współczynniki konwersji i napędzając wzrost.
Inżynieria danych
Cloudera Data Platform, Hadoop, Spark, Airflow
Back-end
Python, Fast API, Scala, Akka
Baza danych
MS SQL Server, Oracle
Narzędzia BI
Power BI, SSRS, QlickView
Innowise wygrała konkurencyjny przetarg przed przystąpieniem do projektu. Po zwycięstwie w przetargu rozpoczęliśmy proces tworzenia oprogramowania, demonstrując nasze umiejętności i zgodność z wizją klienta.
Stworzyliśmy PoC, którego celem było wykorzystanie Kubernetes i odejście od istniejących systemów opartych na Cloudera. Jednak ze względu na ograniczenia obecnego centrum danych klienta, wykazywał on wahania co do wdrożenia i wsparcia Kubernetes.
Podczas fazy odkrywania nasz zespół projektowy przeprowadził dokładne badania, aby zrozumieć obecny krajobraz danych i zidentyfikować kluczowe źródła danych i wymagania. Później stworzyliśmy szczegółowy projekt, który obejmował warstwy brązową, srebrną i złotą do przetwarzania i udoskonalania danych, zapewniając płynny przepływ danych zgodnie z zasadami ACID. Następnie przeprowadziliśmy szeroko zakrojone testy, aby zagwarantować integralność i wydajność jeziora danych, wdrażając mechanizm informacji zwrotnej w celu ciągłego doskonalenia. Wreszcie, nasz zespół projektowy z powodzeniem wdrożył jezioro danych, integrując je z istniejącymi systemami banku oraz zapewniając szkolenia i wsparcie pracownikom banku.
2
Analityków biznesowych
1
Kierownik projektu
1
BI Developer
3
Inżynierowie danych
2
Inżynier DevOps
1
Inżynier ds. jakości danych
Wdrożenie data lake dla naszego klienta z branży bankowej przyniosło przełomowe rezultaty w różnych wymiarach jego działalności. Wcześniej zmagający się z fragmentarycznymi i nieustrukturyzowanymi informacjami rozproszonymi w wielu źródłach, teraz bez wysiłku uzyskują dostęp do danych klientów korporacyjnych, kont bankowych i informacji o transakcjach płatniczych z przewidywalnością i łatwością. Zespoły banku operują teraz wiarygodnymi i spójnymi danymi, torując drogę do dokładniejszych analiz i raportowania. Konsolidacja danych w jednej, skalowalnej architekturze lakehouse doprowadziła do znacznych oszczędności w zakresie przechowywania danych i zarządzania nimi w wyniku wyeliminowania zbędnych systemów i usprawnienia procesów związanych z danymi.
Integracja zautomatyzowanych potoków danych i usprawnionych warstw danych znacznie skróciła czas przetwarzania danych, umożliwiając szybsze podejmowanie decyzji i bardziej elastyczną obsługę klienta.
Ponadto nasz klient usprawnił zarządzanie relacjami z klientami i poprawił wyniki biznesowe poprzez dostarczanie spersonalizowanych, terminowych i odpowiednich działań i ofert opartych na dopracowanych i ustandaryzowanych danych. Podejście to zwiększyło konwersje i przychody oraz zoptymalizowało budżety marketingowe poprzez kierowanie dostosowanych ofert tylko do zainteresowanych potencjalnych klientów.
Co więcej, dzięki nowemu jezioru danych raportowanie zgodności stało się bardziej wydajne w branży, w której naruszenia prawne mogą mieć poważne konsekwencje.
34%
skrócenie czasu przetwarzania danych
26%
poprawa raportowania zgodności
Po otrzymaniu i przetworzeniu Twojego zgłoszenia skontaktujemy się z Tobą wkrótce, aby wyszczególnić potrzeby projektu i podpisać umowę o zachowaniu poufności, aby zapewnić poufność informacji.
Po przeanalizowaniu wymagań, nasi analitycy i programiści opracowują projekt z zakresem prac, wielkością zespołu, czasem i kosztami szacunki.
Umówimy się z Tobą na spotkanie, aby omówić ofertę i dojść do porozumienia porozumienia.
Podpisujemy umowę i rozpoczynamy pracę nad projektem tak szybko, jak to możliwe.
© 2007-2024 Innowise. Wszelkie prawa zastrzeżone.
Polityka prywatności. Polityka dotycząca plików cookie.
Innowise Sp. z o.o Ul. Rondo Ignacego Daszyńskiego, 2B-22P, 00-843 Warszawa, Polska
Dziękuję!
Wiadomość została wysłana.
Przetworzymy Twoją prośbę i skontaktujemy się z Tobą tak szybko, jak to możliwe.
Dziękuję!
Wiadomość została wysłana.
Przetworzymy Twoją prośbę i skontaktujemy się z Tobą tak szybko, jak to możliwe.